طبقه بندی تصاویر ماهواره ای یکی از متداول ترین روشهای استخراج اطلاعات از داده های سنجش از دوری می باشد. با ظهور سنجنده های مایکروویو امکان بهره برداری از اطلاعاتی متمایز از اطلاعات قابل استخراج از سنجنده های نوری فراهم آمده است. دلیل این امر امکان استفاده از ویژگی های متمایز طیف الکترو مغناطیس در محدوده ی مایکروویو است که توسط سنجنده های راداری قابل برداشت می باشد. در این بین تصاویر پلاریمتریک رادار با روزنه مصنوعی به دلیل نمایش رفتار عوارض مختلف در مواجه با قطبش های متفاوت میدان الکترومغناطیس، حاوی اطلاعات ارزشمندی به منظور طبقه بندی پدیده های مختلف می باشند. امروزه با استفاده از آلگوریتم های تجزیه هدف امکان استخراج طیف وسیعی از ویژگی ها از تصاویر پلاریمتریک رادار فراهم آمده است. در این مقاله سعی شده است تا در ابتدا نسبت به استخراج این ویژگی ها در سه گروه ویژگی های عمومی، ویژگی های استخراج شده از روش های تجزیه هدف و توصیف گر های SAR اقدام شود. در ادامه از آلگوریتم ماشین بردار پشتیبان به منظور طبقه بندی تصویر پلاریمتریک استفاده شده است. در این مطالعه از آلگوریتم ژنتیک به منظور محاسبه پارامتر های کرنل و کاهش ابعاد فضای ویژگی و انتخاب ویژگی های بهینه استفاده شده است. در این تحقیق نشان داده می شود که تنظیم پارامتر های کرنل و انتخاب ویژگی های بهینه به صورت همزمان منجر به افزایش دقت طبقه بندی نسبت به حالتی است که فرآیند محاسبه پارامتر های کرنل و انتخاب ویژگی های بهینه به صورت مجزا صورت می پذیرد. همچنین به منظور مقایسه عملکرد طبقه بندی کننده ماشین بردار پشتیبان همراه با آلگوریتم ژنتیک از سه استراتژی مختلف و آلگوریتم طبقه بندی شیء مبنا نیز استفاده گردید. این نوع طبقه بندی امکان در نظر گرفتن اطلاعات بافت و شکل را در فرآیند طبقه بندی داده و به دلیل ایجاد اشیاء تصویری باعث کاهش تاثیر نویز اسپکل در تصویر می گردد. دقت این طبقه بندی کننده نسبت به حالتی که از روش جستجوی گرید برای محاسبه پارامترهای کرنل استفاده شده و همچنین از تمای ویژگی های پلاریمتریک استخراج شده استفاده شده است بالاتر می باشد ولی در مقایسه با استفاده مجزا یا همزمان آلگوریتم ژنتیک به منظور تنظیم پارامترها و انتخاب ویژگی از دقت پایین تری برخوردار می باشد. همانطور که در قسمت ارزیابی نتایج نشان داده می شود، رویکرد ارائه شده در این تحقیق منجر به اخذ نتایج رضایت بخشی گردیده است.
R. Attarzadeh, J. Amini. SVM Classifier Optimization using Genetic Algorithm for Classification of Polarimetric Synthetic Aperture Radar Imagery. JGST 2015; 5 (1) :127-138 URL: http://jgst.issgeac.ir/article-1-155-fa.html
عطارزاده رضا، امینی جلال. بهینه سازی طبقه بندی کننده ی ماشین بردار پشتیبان با استفاده از آلگوریتم ژنتیک به منظور طبقه بندی تصاویر پلاریمتریک راداری . علوم و فنون نقشه برداری. 1394; 5 (1) :127-138
